Rapid Identification of Waste Cooking Oil with Near Infrared Spectroscopy Based on Support Vector
Machine
Xiong Shen1,a, Xiao Zheng1,b, Zhiqiang Song1,c, Dongping He2,d, Peishi Qi3,e
1Institute of Mechanical Engineering, Wuhan Polytechnic University, Wuhan 430023,China; 2Institute of Food Science and Engineering, Wuhan Polytechnic University, Wuhan 430023,
China;3PASHUN GROUP, Wuhan 430023,China
a sx198711@https://www.doczj.com/doc/1116808860.html,,
b zhengxiao@https://www.doczj.com/doc/1116808860.html,, c327463922@https://www.doczj.com/doc/1116808860.html,,
d hedp123456@https://www.doczj.com/doc/1116808860.html,,
e qps@https://www.doczj.com/doc/1116808860.html,
Abstract. The qualitative model for rapidly discriminating the waste oil and
four normal edible vegetable oils is developed using near infrared spectroscopy
combined with support vector machine (SVM). Principal component analysis
(PCA) has been carried out on the base of the combination of spectral
pretreatment of vector normalization, first derivation and nine point smoothing,
and seven principal components are selected. The radial basis function (RBF) is
used as the kernel function; the penalty parameter C and kernel function
parameter γare optimized by K-fold Cross Validation (K-CV), Genetic
Algorithm (GA), Particle Swarm Optimization (PSO), respectively. The result
shows that the best classification model is developed by GA optimization when
the parameters C = 911.33, γ= 2.91. The recognition rate of the model for 208
samples in training set and 85 samples in prediction set is 100% and 90.59%,
respectively. By comparison with K-means and Linear Discriminant Analysis
(LDA), the result indicates that the SVM recognition rate is higher, well
generalization, can quickly and accurately identify the waste cooking oil and
normal edible vegetable oils.
Keywords: near infrared spectroscopy, waste cooking oil, support vector
machine, parameters optimization
1 Introduction
Catering waste oils include drainage oil (in narrow sense), hogwash fat (waste cooking oil) and fried old oil. After pickling, washing, decoloration, deodorization and other processing, the catering waste oils often close to or completely achieve the national Hygienic Standard of Edible Vegetable Oil in sensory index and conventional typical properties, which consumers and government supervisors are difficult to identify by the sense of the sights and smell. At present, a complete set of testing technology standard of identification of the catering waste oil hasn’t been established domestically or abroad. The Ministry of Health is requesting proposals for proposals from the public. Near Infrared Spectroscopy (NIR) technology is a nondestructive testing technique rapidly developed in recent years [1]. The domestic
scholars make use of NIR qualitative analysis to research the types of edible oil [2-4], however, qualitative analysis for catering waste oil is still limited.
Support Vector Machine (SVM) is a new kind of machine learning algorithm based on the minimum principle of statistical learning theory and structural risk, which has advantages of simple structure, strong generalization ability and others. It presents many unique advantages in solving problems of pattern recognition in small sample, nonlinear, high dimension, local minimum [5]. The methods combined SVM with NIR have been applied successfully in identifying the category of tea, milk powder, apple and others [6-9]. The objective of this study is to develop a classified model for catering waste oil and four normal edible vegetable oils by combining SVM with NIR. This model provides a new approach to fast and effective identification of catering waste oil.
2 Experiments and Methods
2.1 Experimental Samples
Catering waste oils used in this experiment include drainage oil and hogwash fat obtained through different degree of refining of decoloration, deodorization, and normal edible vegetable oil which are of different brands or the same brand of different batches in major supermarkets. The samples make up of the following table 1:
Table https://www.doczj.com/doc/1116808860.html,position of the experimental samples
Training set Predicting set In total The first category: drainage oil and hogwash fat 99 47 146 The second category: soybean oil 40 19 59 The third category: peanut oil 26 7 33 The forth category: olive oil 23 6 29 The fifth category: blend oil 20 6 26
In total 208 85 293
2.2 Experimental Methods
Adopt SupNIR-5700 NIRS (Focused Photonics (Hangzhou), Inc.) to collect NIR spectra of all samples. Spectral measurement of samples uses random RIMP software and its testing method is: transmission, measurement range: 1000~1800nm, scanning speed:10 times/sec, spectral resolution: 6nm, temperature of sample cell: 60°C, testing method: load the sample into the three-quarters of sample bottle, and then place the sample bottle into the sample cell. Stabilized in constant temperature for 5min, the bottle is taken out to check if there exist bubbles. It starts to collect spectrogram if there is no bubble, and each sample averages out three times.
Use NIRS random RIMP software and MATLAB7.8 to collect spectra and convert data format, use chemometrics software Unscrambler X 10.1 to pretreatment the spectral data and analyse principal component, and use SVM pattern recognition and regression software package designed by a professor Lin Zhiren from National Taiwan University to build SVM models in MATLAB7.8 and parameters optimization.
3 Results and Discussion
3.1 Pretreatment for Spectral Data
Besides samples’ information collected through NIRS, it contains other irrelevant information and noise, therefore, it is very important and necessary to pretreatment spectra before developing model. Many kinds of methods for spectral pretreatment, including mean centralization, normalization, Savitzky-Golay smoothing, Savitzky-Golay first derivation and second derivation and so on, have been tried in this study. The attempted result indicates that NIR obtains the best pretreatment effect by combining vector normalization with Savitzky-Golay first derivation and nine-point smoothing. Fig.1 shows raw and spectra after pretreatment respectively.
(a) Raw spectra
(b) Pretreatment spectra
Fig. 1. Conventional and spectra after pretreatment
3.2 Extraction of Spectral Principal Component
Analyze the principal component of spectra after pretreatment, as shown in Fig.2-a, the X-axis stands for the first principal component (PC1), Y-axis represents the second principal component (PC2). The figure shows the good effect of sample distribution. This experiment proves that principal component can reflect most of information when principal component’s accumulative contributing rate is above 95% and principal component scree plot (as shown in Fig.2-b) is quite smoothing. Therefore, this paper selects the previous seven principal components (accumulative contributing rate is 96.56%) as SVM input.
(a) PCA SCORE
(b) Explained Variance
Fig. 2. PCA SCORE and explained variance
3.3 SVM Model Building and Parameter Optimization
Libsvm includes two classification models: C-SVC and nu-SVC. Based on one-against-one algorithm solving multi-classes pattern recognition, this paper uses C-SVC to establish classification modeling. It needs to select kernel function and parameters when using SVM for pattern recognition. At present there is no unified international model, so we could only use experience or experimental comparison. Typically, using RBF kernel function often gets better simulation results [9], and reduces complexity of computation during the training process. Therefore, this paper makes use of RBF kernel function to establish identification model.
It is very important to select penalty parameter C and kernel function parameter γ in RBF kernel function. C is used to measure the size of the penalty, γis used to control function regression error and directly influence the initial characteristic value and feature vector. The research respectively uses K-CV, GA and PSO algorithm to optimize the models of C and γto reach the highest accuracy of classification of training set under the best parameters C and γ. However, it cannot guarantee the testing set to reach the highest accuracy of classification. Fig.3 shows the results of three parameters optimization. Fig.3-a gives the optimization results using K-CV parameter optimization. Fig.3-b gives the optimization results of fitness curve using GA parameter optimization, where the maximum number is 100, the population size is 20, the crossover probability is 0.8, the range of parameters C and γare 0-1000, other parameters are by default. Fig.3-c gives the optimization results of fitness curve using PSO parameter optimization, where the maximum number of iterations is 100, the initial population size is 20, the learning factor c1=1.5, c2=1.7, the range of parameters C and γare 0-1000, other parameters are by default.
Use the default parameters (C = 1, γ= 1 / K = 0.1429) and optimal results of three different parameters to respectively establish the SVM recognition model, which are
analyzed in Table 2.
(a) K-CV
(b) GA
(c) PSO
Fig. 3. The results of three parameters optimization
From the table 2, it is clear that SVM model recognition rate of the default parameters is very low, and almost four kinds of normal edible vegetable oils can be classified as catering waste oils; recognition rate of SVM model increases significantly about 90% after optimal results of different parameters of K -CV, GA and PSO. The learning ability and generalization ability of SVM classifier with optimal parameters C andγcan keep a balance and avoid the occurrence of learning state and non-learning state. Examples show that SVM classification model established when GA optimal parameters C= 911.331,γ = 2.91045, recognition rate of the 208 training sets and 85 predicting sets is 100% and 90.59% respectively, only occurs four blend oils mistaken for catering waste oil, four hogwash oils for blend oils. In the meantime, compared with methods of k-means clustering and LDA, the recognition rate of GA-SVM model is higher than those about 10%. Therefore, SVM model is superior to the methods of k-means clustering and LDA.
Table 2.Different parameters—analysis of SVM modeling results
Default (C=1, γ=0.1429)
K-CV
(C=1024, γ=0.03125)
GA
(C=911.331, γ=2.91045)
PSO
(C=2287.16, γ=0.01)
Returning error number Predicting
error
number
Returning
error
number
Predicting
error
number
Returning
error
number
Predicting
error
number
Returning
error
number
Predicting
error
number
The first
category
0 0 2 0 0 4 2 1 The second
category
40 19 1 0 0 0 1 0
The third
category
26 7 0 0 0 0 0 0 The forth
category
15 5 0 0 0 0 0 0 The fifth
category
20 6 20 6 0 4 20 6
Recognition
rate
51.44% 56.47% 88.94% 92.94% 100% 90.59% 88.94% 91.76% 5 Conclusions
The research uses GA-SVM to establish NIR classification model for catering waste oil and four normal edible vegetable oils, and determines the appropriate model parameters. The recognition rate of the established models is achieved respectively 100% for training set and 90.59% for predicting set, the recognition rate and generalization ability of GA-SVM of NIR classification model is higher than conventional analysis model, which can rapidly and accurately identifies the catering waste oil.
The sample source of catering waste oil in the research is limited and cannot completely represent diversity and complexity of catering waste oil. In addition, the law breakers usually add catering waste oil to qualified edible vegetable oil according to a certain proportion, and then sell the fake oil, therefore, it needs to further collect representative adulterated samples in the future.
It is essential to keep developing new methods of qualitative classification to research, and constantly strengthen the maintenance for the models of qualitative classification; in addition, a rapid portable detecting instrument for testing catering waste oils based on the models of NIR quantitative classification needs to be developed in order to protect the security of food production, to provide a more reliable basis for food supervisions and to prevent catering waste oils back to the table. Acknowledgment
Funds for this research was provided by the National Science and Technology Plan Projects (2009BADB9B08), the major projects foster special of food nutrition and safety of Wuhan Polytechnic University (2011Z06), the entrust projects of Wuhan PASHUN Group green energy technology Co., LTD, and the postgraduate 2010 innovation fund of Wuhan Polytechnic University(2010cx005). References
1. Lu Wanzhen. Modern Near Infrared Spectroscopy Analytical Technology (Second Edition)
[M]. Beijing: Chinese Oil and Chemical Press, 2006, 19-36(in Chinese)
2. Wu Jingzhu, Liu Cuiling, Li Hui et al. Application of NIR technology on identifying types
and determining main fatty acid content of edible vegetable oil [J]. Journal of Beijing Technology and Business University (Natural Science Edition), 2010, 28(5):56-59.
3. Liu Fuli, Chen Huacai, Jiang Liyi et al. Rapid discrimination of edible oil by near infrared
transmission spectroscopy using clustering analysis [J]. Journal of China Jiliang University, 2008, 19(3):278-282.
4. Li Juan, Fan Lu, Deng Dewen et al. Principal component analysis of 6 kinds of vegetable oils
and fats by near infrared spectroscopy. Journal of Henan University of Technology (Natural Science Edition), 2008, 29(5):18-21.
5. Zhang Xuegong. Introduction to Statistical Learning Theory and Support Vector Machines
[J]. Acta Automatica Sinica, 2000, 26(1):32-34.
6. Chen QuanSheng, Zhao Jiewen, Zhang Haidong et al. Indentification of Authenticity of Tea
with Near Infrared Spectroscopy Based on Support Voctor Machine [J]. Acta Optica sinica, 2006, 26(6):933-937.
7. Zhao Jiewen, Hu Huaiping, Zhou Xiaobo. Application of Support Vector Machine to apple
classification with near—infrared spectroscopy [J]. Transactions of the CSAE, 2007, 23(4):149-152.
8. Wu Jingzhu,Wang Yiming, Zhang Xiaochao et al. Applied Study on Support Vector
Machines in Identifying Standard and Sub-standard Milk Powder with NIR Spectrometry [J].
Agricultural Mechanization Sciences, 2001, 1(1):155-158.
9. Ye Meiying, Wang Xiaodong. Identification of Chaotic Optical System Based on Support
Vector Machine [J]. Acta Optica sinica, 2004, 24(7):953-956.
编号：_______________ 本资料为word版本，可以直接编辑和打印，感谢您的下载 猎头服务合同书 甲方：___________________ 乙方：___________________ 日期：___________________
委托方____________________以下简称甲方代理方_________人才服务部以下简称乙方甲方因业务发展需要，委托乙方搜索所需人才。 经双方友好协商，达成以下合作条款第一条 主旨本合同目的在于确定乙方代表甲方搜索候选人时双方的权利及义务。 第二条 搜索服务的基本方式1甲方需提供与所需搜索职位有关的详细资料给乙方，其中主要包括--工作环境，如公司背景、现状规模、发展状况、目前和将来的投资等;--职务名称、职位职责，个人发展前景、直属上司情况及汇报路线;--所须具备的条件包括年龄、性别、教育程度、英文程度、专业经验以及个人品性;--工作中所需要的独立性、工作氛围，流动性出差需要和上班地点等;--福利待遇包括基本工资、奖金和津贴、工作时数、生活条件以及合同保险。 2乙方工作程序--搜索可能达到该标准的候选人，对这些候选人进行初次面试筛选并确证其资料的真实性;--将候选人资料提交甲方参考，包括对其经验的评价及对其性格，能力和潜质的看法;--为双方安排面谈时间、地点，并参与其中一些条款的协商，协助聘用合同的最终签署;--协助甲方督促被录用候选人与原工作单位按正常的程序办好离职手续。 3乙方在合同签定之日起天内完成对甲方所需人才的寻访、测评及背景调查，将完整、真实的候选人资料提交甲方，并安排候选人面试。 4甲方应在收到乙方提供的候选人资料后两日内，做出是否与己有人才资料重复的判断，否则视为乙方推荐;甲方应在收到乙方提供的候选人才资料后一周内，做出是否需要复试的判断，甲方应在候选取人面试后两周内将面试意见及审核结果反馈给乙方，在复试后四周内做出是否录用的判断。 第三条 保证期1推荐的候选人被甲方录用，并最终到甲方工作，视为猎头服务成功。 2雇员在保证期三个月内无论因任何原因离职，甲方应五天内向乙方提出书面报告，乙方将免费为甲方推荐另一合适候选人到职;乙方收到甲方书面报告后二个月内没有推荐合格人选到职，乙方应退还该项服务费的_______。
合同编号：_________网站用户服务协议范本（一） 甲方：_________________________ 乙方：_________________________ 签订日期：______年_____月_____日 第1 页共7 页
网站用户服务协议范本（一） 出质人(甲方)：___________ 通讯地址：_______________ 法定代表人：______________ 质权人(乙方)：___________ 通讯地址：_______________ 法定代表人：______________ 签订日期：_______________ 登记日期：_______________ 质押期限：________至______ 中华人民共和国专利局监制 为确保债务的偿还，甲方愿意以其有权处分的财产作质押，乙方经审查，同意接受甲方的财产质押，甲、乙双方根据有关法律规定，经协商一致，约定如下条款： 第一条甲方以“质押财产清单”(附后)所列之财产设定质押。 第二条甲方质押担保的贷款金额(大写)______元，贷款期限自 ______年______月______日至 _____年___月___日。 第三条甲方保证对质押物依法享有完全的所有权。 第 2 页共 7 页
第四条甲方应于______ 年______月______日将质押财产产付乙 方占有并同时向乙方支付保管费______元。 第五条质押担保的范围：贷款金额(大写)________________元及利息、违约金(包括罚息)、赔偿金、质物保管费用及实现贷款债权和质权的费用(包括诉讼费、律师费等)。 第六条本合同项下有关的评估、鉴定、保险、保管、运输等费用均由甲方承担。 第七条质押期间，______方有维持专利权有效的义务，负责交纳专利年费，处理专利纠纷等事务。 第八条甲方应输质押财产在质押期间的财产保险。财产保险的第一受益人为乙方。保险单证由乙方代为保管。 第九条质押期间，质押财产如发生投保范围的损失，或者因第三人的行为导致质押财产价值减少的，保险赔偿金或损害赔偿金应作为质押财产，存入乙方指定的帐户，质押期间双方均不得动用。 第十条非因乙方过错致质押财产价值减少，甲方应在______天内向乙方提供与减少的价值相当的担保。 第十一条质押期间，质押财产造成环境污染或造成其他损害，应由甲方独立承担责任。 第十二条质押期间，未经乙方书面同意，甲方不得赠与、迁移、出租、转让、再抵押(质押)或以其他任何方式处分本合同项下质押财产。 第 3 页共 7 页
猎头服务合作协议书 甲方（委托方）： 地址： 乙方（受托方）： 地址： 甲、乙双方本着互利互惠、平等自愿、有偿服务的原则，就甲方委托乙方代为搜索、甄选、推荐各类种人才等事宜，经充分协商，达成如下协议，以资共同遵守： 一.合同有效期：从______ 年—月—日至__________ 年—月—日。 二.甲方的权利与义务 1. 甲方必须向乙方提供本企业营业执照复印件、公司简介、委托招聘的相关信息。 2. 甲方应按乙方要求提供所需的职位需求信息，并保证寻猎职位信息的真实性，所提要求及待遇 标准，必须按标额执行。如在委托期内，寻猎需求有任何更改应及时通知乙方。 3. 甲方负责对乙方提供的候选人资料进行筛选，对符合初选条件的人，乙方负责协调候选人到甲 方进行面试。 4?如甲方发现乙方提供的人选资料与其他招聘渠道所提供的资料重合时，且甲方从乙 方处获得候选人姓名、联系信息之前，或要求乙方安排候选人面试之前，应在收到乙方人选资 料后5个工作日内提出申明，并出具相关的资料证明，否则即视为认可。 5. 甲方按照公司 的相关面试流程对乙方推荐的候选人进行面试，在面试流程结束后，5 个工作日内告知乙方面试结果。 6. 甲方按时向乙方支付服务费。 7. 在本协议有效期内或本协议终止后十二个月内，甲方聘用乙方推荐的人才的，甲方应于聘用前通知乙方，并按 照本协议第3条规定向乙方支付服务费。甲方聘用乙方推荐的人才但未按前述规定履行通知义务的，甲方除应向乙方一次性支付全额服务费外，应向乙方支付服务费的两倍作为违约金，且甲方聘用的 乙方推荐人才的年薪视为30万元，甲方不得对此提出任何异议。若乙方发现其推荐的人才的年薪高于30 三.乙方的权利与义务 1. 乙方在双方签订委托招聘服务合同后，明确招聘岗位后，寻访和物色工作全面正
猎头协议 In accordance with the relevant provisions and clear responsibilities and obligations of both parties, the following terms are reached on the principle of voluntariness, equality and mutual benefit. 甲方：__________________ 乙方：__________________ 签订日期：__________________ 本协议书下载后可随意修改
协议编号：YH-FS-825220 猎头协议 说明：本服务协议书根据有关规定，及明确双方责任与义务，同时对当事人进行法律约束，本着 自愿及平等互利的原则达成以下条款。文档格式为docx可任意编辑使用时请仔细阅读。 甲方：_________ 乙方：_________ 1．公司指定 根据本合同协议和条款，乙方委托并指定甲方为乙方提供本合同规定的各项咨询服务。 2．双方关系 甲方和乙方均为独立法人。本合同的签订在甲方和乙方之间并不产生任何雇用、代理、合资或业务伙伴关系。甲方绝非乙方的法律代表，无论是任何目的，甲方均不能以书面或其它明示或隐含方式，以乙方的名义享受权利或承担义务。 3．服务 甲方将根据乙方提供的职位要求向乙方推荐合适的人选。具体职位描述、要求及人数由乙方提供，详细的书面材料作为本协议的附件一，具有同等法律效力；
甲方应确保每一个推荐给乙方的候选人首先经过甲方的面试筛选。若乙方要求，甲方应对候选人简历中包含的信息或候选人提供的其它信息的准确和真实性及在面试过程中发现的问题进行核实。 凡经甲方推荐的人才，从推荐之日起12个月内，如果乙方未通过甲方暗地或通过第三方录用该人才，无论长期或短期，均视为甲方推荐成功，乙方按照本合同相关条例支付咨询费用。如果乙方把甲方推荐的人才中转推荐给第三方，甲方亦按照本合同相关条例向乙方要求支付咨询费用； 4．机密 甲方承诺： 1）对获知的乙方及其分支机构的商业和技术信息保守秘密； 2）对获知的乙方或分支机构的雇员或候选人相关信息保守秘密。 3）甲方推荐的候选人及其身份和职业相关信息只可提供乙方使用，不得向乙方以外的第三方泄露候选人的信息。 乙方接受本合同后，也将承诺所有由甲方推荐的候选人
YOUR LOGO 如有logo可在此插入合同书—CONTRACT TEMPLATE— 精诚合作携手共赢 Sincere Cooperation And Win-Win Cooperation
网络用户服务协议书(正式版) The Purpose Of This Document Is T o Clarify The Civil Relationship Between The Parties Or Both Parties. After Reaching An Agreement Through Mutual Consultation, This Document Is Hereby Prepared 注意事项：此协议书文件主要为明确当事人或当事双方之间的民事关系，同时保障各自的合法权益，经共同协商达成一致意见后特此编制，文件下载即可修改，可根据实际情况套用。 1.特别提示 1.1_________媒体（以下简称_________）同意按照本协议的规定及其不时发布的操作规则提供基于互联网的相关服务（以下称网络服务），为获得网络服务，服务使用人（以下称用户）应当同意本协议的全部条款并按照页面上的提示完成全部的注册程序。用户在进行注册程序过程中点击同意按钮即表示用户完全接受本协议项下的全部条款。 2.服务内容 2.1_________网络服务的具体内容由_________根据实际情况提供，例如论坛（bbs）、聊天室、电子邮件、发表新闻评论等。_________保留随时变更、中断或终止部分或全部网络服务的权利。
2.2_________在提供网络服务时，可能会对部分网络服务（例如电子邮件）的用户收取一定的费用。在此情况下，_________会在相关页面上做明确的提示。如用户拒绝支付该等费用，则不能使用相关的网络服务。 2.3用户理解，_________仅提供相关的网络服务，除此之外与相关网络服务有关的设备（如电脑、调制解调器及其他与接入互联网有关的装置）及所需的费用（如为接入互联网而支付的电话费及上网费）均应由用户自行负担。 3.使用规则 3.1用户在申请使用_________网络服务时，必须向_________提供准确的个人资料，如个人资料有任何变动，必须及时更新。 3.2用户注册成功后，_________将给予每个用户一个用户帐号及相应的密码，该用户帐号和密码由用户负责保管；用户应当对以其用户帐号进行的所有活
猎头合同协议书律师审 核版 文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-
人才服务协议书 合同编号：XXXXXX 甲方(委托方): 地址： 联系人及电话：传真： 乙方(受托方):XXXX 地址：XXXX 联系人及电话：传真： 甲乙双方经协商一致，就甲方委托乙方在全国范围内代为招聘、甄选、推 荐人才事宜，经充分协商，达成如下协议，以资共同恪守。 一、服务内容 1.甲方委托乙方寻访的职位要求、数量、寻访期、签约年薪（用以约定 寻访委托金）、寻访委托金、寻访服务费等事项，可在由甲方不定时 发出的推荐要求中载明。该推荐要求应以书面形式发出，并作为本协 议的附件。 2.乙方根据甲方提出的人才需求，按甲方要求在约定的时间内为甲方寻 访候选人。经乙方评估认为符合甲方岗位要求后，向甲方推荐，经甲 方面试合格、候选人上岗后，甲方按本合同的规定向乙方支付约定的 服务费用。 二、服务流程 1.在双方签订本协议后，乙方正式启动为甲方提供的猎头服务。 2.在向乙方开放猎头职位的2个工作日内，甲方应当用电子邮件形式向 乙方所需猎头职务的详细职位说明（含工作职责、任职资格、薪金范 围、基本要求、特别需求等），以便乙方搜寻、筛选和向候选人说明
情况等，甲方保证寻访职位信息的真实性；如在委托期内，寻访需求有任何更改均应及时通知乙方。 3.乙方在收到甲方提供的书面职位说明后，应在2个工作日内以电子邮 件形式予以确认，并与甲方进行沟通确认；经双方对职位需求确认一致后，乙方开始进行人才访寻及推荐。 4.自对职位说明书确认后之1个工作日内，乙方指派专人或小组负责为 甲方提供人才寻访推荐服务，以保证按时完成甲方的招聘需求，并在10个工作日内提供第一批候选人至少2-3名，甲方应在收到推荐报告资料3个工作日内向乙方提供对所推荐候选人的反馈意见（如安排面试、暂缓、拒绝），并将同意面试的候选人名单以电子邮件形式提供给乙方，对于需要安排面试的候选人，甲方须在15个工作日内予以面试；乙方根据甲方要求及名单约见面试，甲方在面试后的10个工作日内将面试结果以电子邮件形式通知乙方，如甲方对参加面试的候选人不满意，应以电子邮件形式反馈明确的原因给乙方，乙方应重新搜寻合适的人选，具体工作程序同上。 5.如果乙方向甲方提供的简历已被甲方从其它渠道获取，甲方应当在3 个工作日内以电子邮件形式通知乙方，如乙方提出要求，甲方应提供相应的书面证明。如在上述期限内甲方未提出任何异议的，则该候选人将被视为乙方提供的资源。 6.如甲方对乙方提供的候选人有聘用意向的，应甲方要求及候选人同意 的情况下，乙方应提供候选人背景核查，核查应从公开途径且不侵害候选人隐私。
编号：QT-20213845 甲 方：______________________________ 乙 方：______________________________ 日 期：_________年________月_______日 电子版用户服务合同模板 Party A and B have reached an agreement through friendly consultation to conclude the following contract.
[标签:titlecontent] 甲方： 身份证号码： 乙方： 身份证号码： 乙方为______市劳动局批准的家政服务实体，清洁服务合同样本。现应甲方申请，乙方承诺为甲方提供清洁服务。为了明确双方的权利、义务，特订立如下合同，供双方共同遵守。 一、双方约定事项： 1.服务项目：_________________________________________________________________ 2.服务地点：__________________________________________________________________ 3.服务时间：从________年____月____日起至________年____月____日止，合同范本《清洁服务合同样本》。 4.服务费用：每平方米___________元。 5.交费方式：予交完工后交余下部分
_____________________________________________。 二、乙方应遵守事项 1.甲方认为乙方派出的家政员不适用，并有充分的理由，乙方给予调换。 XXX 。 三、甲方应遵守事项： 1.甲方必须如实填写《_______家政客户服务申请登记表》，并如实的说明清洁面积、项目。 2.甲方不得随意擅自增加合同约定事项以外的工作。如需增加，应得到乙方家政员负责人的同意，并适当增加报酬。本合同自双方签字、甲方向乙方交纳约定款项后生效。本合同一式二份，甲乙双方各执一份。 甲方（盖章）：乙方（盖章）： 签约代表：签约代表： 签约时间：签约时间
猎头合同协议书文件编号TT-00-PPS-GGB-USP-UYY-0089
人才猎头服务协议 甲方： 乙方：尚才荟猎头 甲方因业务发展需要，特委托乙方以猎头服务方式招聘 职位人选，甲乙双方本着“平等合作，互惠互利”的原则，经友好协商达成如下协议： 一、甲方权利与义务 1.甲方应向乙方提供详细、真实的公司背景资料，包括但不限于公司背景、经营状况、发展战略、企业文化等。 2.甲方须负责提供所需招聘岗位的详细资料，真实填写《企业职务需求表》（附件1），并对薪酬、福利、休假等与应聘者利益相关一切信息之真实性负责。 3.收到乙方提交的候选人报告资料后，甲方应在三个工作日内通知乙方是否要求候选人面试。如果面试，应提前告知时间和地点。面试结束后，甲方应在三个工作日内告知乙方面试结果。对不合适的候选人，应给出说明。如果不面试，应给出具体的不面试原因。
4.甲方应在面试后积极与乙方沟通、协调，三天内做出上一轮面试的决议（包括安排下一轮复试或录用）。特殊情况外，每个候选人面试次数最多为四次。 5.甲方对候选人信息、候选人报告、候选人面试过程等一切可能有损于候选人正当利益或本合同正当履行的信息，负有保密义务。 二、乙方权利与义务 1.乙方对甲方提供的企业、职位等信息负有保密义务。除为完成本合同所必须外，其余未经甲方授权，不得公开。 2.乙方需在寻访服务期（自年月日至年月日）内利用各种渠道为甲方寻访、招聘所需人才。乙方在了解候选人的情况，分析其背景资料，并在此基础上进行筛选后，向甲方提交合适候选人的个人资料。如果在寻访期内，甲方未能对乙方提供的候选人给出明确答复，乙方有权终止合作。 3.若出现以下任何一种情况，均视为乙方已完成猎头服务全部工作，乙方有权要求甲方按本合同所列的“全职服务费用”，按约定支付周期与方式支付费用。如逾期支付，乙方将保留诉诸法律解决的权利：
猎头服务合同 合同编号： 甲方： 地址：邮编：100020 联系人：联系电话：传真： 乙方： 地址：邮编： 联系人：联系电话：传真： 鉴于业务发展需要，甲方委托乙方寻访所需招聘职位人员，经双方协商一致，达成如下合同： 1.服务内容 1.1根据甲方对人才方面的需求，乙方受甲方委托在相关行业猎寻甲方指定的目标候选人到甲方工作,具体包括 如下服务内容： 1.1.1根据甲方提供的具体职位需求信息，乙方在甲方规定的时间内寻找合适候选人入职。 1.1.2乙方利用其专业性和在行业内信息的全面度，向甲方提供与相关职位有关的咨询服务，例如：薪资级 别、架构设计、职位的拆分合并、竞争对手（非乙方目前服务客户）HR相关信息搜集调查等。 1.1.3乙方对推荐至甲方工作的候选人进行之前职业生涯的背景调查，包括：薪资、职位、工作年限、品性 调查、综合能力调查等,并将相关信息在向甲方推荐候选人时向甲方提供。 1.1.4在猎寻候选人的过程中,乙方应当结合甲方企业推广需求和人才战略需求，通过高端招募渠道，协助 甲方进行企业形象的口碑宣传。 1.2根据甲方的需求,乙方协助甲方对外发布高端人才招募需求信息。 2.服务费 2.1服务费根据乙方推荐成功的候选人第一年年薪按以下比例收取:
第一年年薪的25 %支付。 2.2 本合同第1条列明的其他配套服务项目，乙方提供免费服务。 2.3服务费包括乙方应当缴纳的所有税费。 2.4服务费的支付 2.4.1 乙方推荐的候选人与甲方签订书面劳动合同并正式上班后，甲方在收到乙方开具的等额有效合法增 值税专用发票后15个工作日内支付服务费的50%给乙方。 2.4.2候选人通过3个月的保用期后，甲方在收到乙方开具的等额有效合法增值税专用发票后15个工作日 内支付服务费剩余的50%给乙方。 2.5乙方账号： 公司名称: 开户行: 银行帐号(人民币): 2.6“推荐成功”在本合同是指乙方向甲方推荐的职位候选人与甲方签署正式劳动合同并通过保用期。 2.7“第一年年薪”包括劳动合同列明的12个月基本月薪。 3.甲乙双方的权利和义务 3.1甲方的权利和义务 3.1.1 甲方应当向乙方提供需要乙方猎寻的职位说明。内容包括：职位需求部门介绍、职位描述、职位薪 酬、人选条件、其它需说明情况。 3.1.2 甲方应按照本合同第2条的有关约定按时、足额地支付服务费用。 3.1.3 甲方对乙方推荐的人选资料应及时研究，做出是否与甲方己有人才资料重复的判断，如果在乙方推 荐候选人之前，甲方已经通过其他途径获得该候选人的简历，则甲方应于收到简历的48小时内通过 邮件等书面通知的方式通知乙方，否则该候选人视为乙方推荐。 3.1.4 甲方应尽快确定面试安排，并将面试结果告知乙方，甲方如对面试人选不满意，有权要求乙方继续 提供新人选。在推荐过程中，甲方应及时与乙方沟通情况，以便乙方不断调整寻访目标。 3.1.5 甲方一经决定录用乙方推荐的候选人，应向乙方提供该候选人的录用确认书。 3.1.6 乙方向甲方推荐的人选在推荐之日起一年内任何时间被甲方聘用，甲方都须向乙方支付推荐费用，
用户服务协议 为使用甘肃天盟商贸有限责任公司的服务，您应当阅读并遵守《用户服务协议》（以下简称“本协议”）。请您务必审慎阅读、充分理解各条款内容，特别是免除或者限制责任的条款。除非您已阅读并接受本协议所有条款，否则您无权使用甘肃天盟商贸有限责任公司提供的服务。您使用甘肃天盟商贸有限责任公司的服务即视为您已阅读并同意本协议的约束。如果您未满18周岁，或者不具备完全民事行为能力，请在法定监护人的陪同下阅读本协议，并特别注意未成年人使用条款。否则甘肃天盟商贸有限责任公司对于该等后续注册、使用网站服务等行为而对您所发生的不利后果不承担责任，并有权在知晓该等情况后解除双方间的服务协议。 一、【本协议的范围】 本协议是您与甘肃天盟商贸有限责任公司经营者之间关于用户使用甘肃天 盟商贸有限责任公司旗下产品相关服务所订立的协议。甘肃天盟商贸有限责任公司的经营者是指法律认可的经营甘肃天盟商贸有限责任公司的责任主体，甘肃天盟商贸有限责任公司旗下产品包括但不限于天盟商贸（https://www.doczj.com/doc/1116808860.html, /）等及上述网站相应移动（如“绿水青山”APP）。“用户”是指使用甘肃天盟商贸有限责任公司旗下产品相关服务的使用人，在本协议中更多地称为“您”。 二、【账号与密码安全】 2.1您在使用甘肃天盟商贸有限责任公司的服务时可能需要注册一个【甘肃天盟通行证】账号。 2.2甘肃天盟商贸有限责任公司特别提醒您应妥善保管您的账号和密码。当您使用完毕后，应安全退出。因您保管不善可能导致遭受盗号或密码失窃，责任由您自行承担。 2.3甘肃天盟商贸有限责任公司建议您使用的密码应至少包含以下四类字符中的三类：大写字母、小写字母、数字，以及键盘上的特殊符号，如果因为您设置的密码过于简单导致遭受盗号或密码失窃，责任由您自行承担。甘肃天盟商贸有限责任公司对于非因甘肃天盟商贸有限责任公司单方原因所导致的任何账号安全、隐私保护等问题均不承担责任和所产生的各方损失。 2.4甘肃天盟通行证账户使用权仅属于初始申请注册人，禁止赠与、借用、租用、转让或售卖。如果天盟发现使用者并非账号初始注册人，天盟有权在未经通知的情况下回收该账号而无需向该账号使用人承担法律责任，由此带来的包括并不限于用户资料、虚拟货币等清空等损失由用户自行承担。甘肃天盟禁止用户私下有偿或无偿转让账号，以免因账号问题产生纠纷，用户应当自行承担因违反此要求而遭致的任何损失，同时甘肃天盟保留追究上述行为人法律责任的权利。
编号：猎头服务协议书模板 甲方 乙方 签订日期年月日 (本协议书为Word格式，下载后可根据您的需要调整内容及格式，欢迎下载。)
甲方：____________服务有限公司 ____________人才服务中心 乙方：________________________ 甲乙双方就甲方向乙方提供人才猎头服务，达成如下协议： 一、根据中华人民共和国的法律和法规，甲方确认本方有完全的从事本协议所述服务的资格；乙方确认本方是依法成立的组织，符合法律规定的面向社会公开招聘的各项条件和手续，并且向甲方提交的各种书面文件及陈述都是真实有效的。甲乙双方就各自的确认承担相应的法律责任。 二、甲方服务的收费标准是，每成功提供一人，收取________元人民币作为本方的服务佣金。佣金分两次支付，双方签定协议之日，甲方支付________元/人为预付佣金；推荐人选上岗三个月或转正后一个星期内付清余款。 三、甲方收到乙方预付的预付服务佣金后，应按照本协议附件 1的要求为乙方提供人才，并保证所提供人才情况的真实性，同时协助乙方安排有关面试考核的事宜。面试考核应本着方便应聘者及乙方的原则进行。 四、乙方应按照本协议附件1规定的条件考核验收甲方提供的人才。并应于考核之日起________天内将是否聘用（含试用，下同）的意见及理由书面通知甲方。否则，视为同意聘用。 五、甲方应于收到预付服务佣金之日起两个星期至一个月内完
成委托事项，经双方协商同意，上述期限可以改变，但应另以书面文件规定之。 六、乙方同意聘用（接纳为乙方正式员工）甲方提供的人才，甲方服务即告完成。乙方若于聘用后三个月内辞退甲方提供的人才，应于辞退之前通知甲方，并有权要求甲方重新提供服务，甲方应免费为乙方再推荐人选，并得到乙方聘用为止。 七、非因不可抗力，或乙方认可的其他正当理由，甲方在协议规定的期限内未能向乙方提供候选人才的，应全额返还乙方预付佣金；虽提供候选人才而乙方最终未能聘用的，预付佣金应退还甲方。 八、乙方以超出本协议附件1以外的条件拒绝甲方提供的人才，或在本协议规定的有效期限内自行招聘协议附件1规定的人才，从而无需甲方的服务，甲方有权留置乙方全部预付佣金，折抵甲方服务收入。 九、乙方拒绝甲方提供的人才，从而导致甲方服务失败，但在甲方服务终止后的十二个月内聘用曾被乙方拒绝的人才，应于聘用前通知甲方，并向甲方支付全额服务佣金。否则视为违约，乙方应就此向甲方支付________至________倍的服务佣金作为违约金。 十、本协议在乙方委托寻猎的人数超过一人时，对每一个人才的服务分别有效，彼此无法律上的连带责任关系。 十一、本协议的附件作为协议的组成部分，与本协议有同等法
LOGO 用户服务合同样本 WORD模板文档中文字均可以自行修改 ××××有限公司
编号：_____________用户服务合同样本 甲方：___________________________ 乙方：___________________________ 签订日期：_______年______月______日
委托方（甲方）：____________________ 受托方（乙方）：____________________ 依据《民法典》和《中华人民共和国广告法》的规定，经双方充分协商，甲方决定委托乙方为甲方提供的活动代理服务，达成如下协议： 一、委托服务内容： 甲方委托乙方负责执行_______活动。 活动时间：_________________。 活动地点：_________________。 二、甲方的权利与义务： 1、甲方负责提供本次活动宣传的资料，配合宣传的制作；甲方需要撤销活动订单，可在活动举行日之前通知乙方。在活动举行日之前，撤销广告发布订单甲方不承担任何责任，但乙方因此支出的合理费用，甲方应予以适当补偿。 2、甲方有权在签订本合同前对乙方进行相关的资格审查。乙方隐瞒或伪造相关资质的构成违约。甲方有权对乙方提供的服务进行适时的监督和审查，所有的.服务项目均需甲方书面确认后方可执行；
3、乙方完全无瑕疵履行完本合同的义务并按甲方要求提供完所有结算手续后，甲方按本合同的约定支付款项。 三、乙方的权利和义务： 1、乙方必须严格按约定执行甲方委托的各项内容； 2、乙方应及时将服务项目的进行情况以及在项目进行中遇到的问题如实向甲方报告； 3、乙方代理执行的所有项目及相关内容均需甲方书面确认通过； 4、乙方负责活动方案起草、活动参与人员及演出的组织安排、管理相关演职人员；这些费用已经全部计入本合同相关费用中。 5、乙方负责活动参与人员、演出人员的安全，并自行承担以上人员的所有可能发生的法律责任。 四、费用及其支付方法： 1、费用总额：活动所产生的费用均须经甲方书面审核确认，所有相关费用不得超过人民币元________整（__________元）。
编号： HT-20214765 甲 方：______________________________ 乙 方：______________________________ 日 期：_________年________月_______日 猎头服务合同模板 The parties may dissolve the contract upon consensus through consultation.
[标签:titlecontent] 甲方(劳务用工单位)： 工商登记号：联系地址：邮政编码：联系电话：传真：联系人：开户行：帐号： 乙方(劳务招聘单位)： 工商登记号：联系地址：邮政编码：联系电话：传真：联系人：开户行：帐号： 甲、乙双方就乙方向甲方提供需求职位人才的寻访推荐服务达成如下合同(以下称“本合同”)： 前言： 甲乙双方保证各自为依据中华人民共和国的相关法律法规合法成立的组织。乙方应确认有从事该项服务的资格，甲方应确认向乙方提供的各种资料的真实性，双方就各自的确认承担各自的法律责任。 甲、乙双方本着自愿和互惠互利的原则，合作签署“本合同”，并愿意自觉遵守“本合同”的各项条款。 第一条服务内容 1、甲方聘请乙方作为其中、高级人才推荐的供应商。
2、甲方如有招聘需求，应向乙方提供委托招聘职位信息，内容包括需求岗位职责描述、胜任条件、薪资福利条件、需求人数和日期等。 3、自甲方正式委托职位寻访之日起，乙方正式启动寻访推荐工作。15个工作日内向甲方推荐每个职位2—3名经过甄选基本符合甲方职位需求的候选人，直到甲方录用乙方所推荐的候选人为止。 4、乙方在推荐候选人时，需要向甲方提供人选的详细简历，说明其以往的工作经历、主要职责、成就以及能说明其工作胜任能力的任何其它必要资料。 5、甲方聘用乙方推荐的人员，在个月(保证期)，自推荐人开始在甲方工作之日起，如发生聘用终止，乙方应为甲方免费提供一次相同职位的人才服务，乙方应保证在甲方通知乙方的15个工作日内为甲方再次提供候选人。 第二条限制 1、甲方不得提供虚假职位需求信息和做出虚假承诺。 2、合作期间甲方不得直接聘用乙方猎头顾问和工作人员，如有发生甲方应付乙方该职位应付猎头佣金的双倍的服务费用。 第三条保密原则 1、乙方应对甲方提供的任何商业、技术资料及员工信息进行保密。 2、甲方应对乙方提供的人选资料、服务费用保密，不得将乙方提供的人选资料用于任何非自己聘用内部员工的目的和提供给甲方
甲方： 乙方： 甲乙双方本着平等、互利、守信的原则，由乙方为甲方推荐人才猎头服务。为明确双方的权利和义务，双方经友好协商，达成共识，签订本协议。 第一条、甲方的权利与义务 1.甲方应须是依法成立的组织或机构，具备招聘人员的合法手续，并向乙方书面提交相关文件以证明其真实性。 2.甲方应负责保证所招聘职位的真实性。甲方应向乙方提交经人事部门和领导签署的符合法律规定的面向社会招聘的各项条件和手续，以确认提交所有文件中的陈述真实有效。 3.根据双方当事人的充分沟通，甲方委托乙方为其招聘以下职位： 4.委托服务费支付方式：签定本协议当日内支付人民币元整，作为定金（可抵扣委托服务费用）；推荐人选单个到岗开始单个支付委托服务费；第一次支付委托服务费为总服务费用的%在候选人上岗后的7日内支付；第二次剩余委托服务费在推荐人选办理转正起七日内支付；可按支付次数单独开具财务发票。 支付方式附加说明： 5.甲方应在乙方推荐候选人资料5-10个工作日内安排面试，面试后五日内通知乙方面试评审结果，并详细填写《面试回执单》后传真至乙方。甲方如有特殊情况影响招聘进程应提前说明情况，协议将自动延期。 6.有以下任何一种情况，均视为乙方已完成猎头顾问的工作,甲方应当全部付清服务费:
①对乙方推荐的候选人，甲方应于收到候选人资料之日起7日内将是否决定面试的意见及理由书面通知乙方，否则，视为乙方已完成猎头顾问的工作； ②对于乙方所推荐的候选人的资料，甲方负有保密的义务。甲方若将乙方推荐之候选人转介给其它雇主并由其它雇主聘用的，视为乙方已完成猎头顾问的工作。 ③若拒绝聘用乙方推荐的人才，若在12个月内重新聘用乙方曾推荐的该候选人时，甲方应于聘用前10日内书面通知乙方，并向乙方支付全额顾问费。 ④乙方推荐的候选人，甲方面试后因某种原因不能长期聘用该候选人，而委托该候选人做兼职或其它短期服务，同样视为乙方已完成猎头顾问的工作。 7.甲方同意聘用乙方推荐的候选人后，应向候选人发放录用通知书并签定用工协议，用工协议应明确约定报酬条款，该用工协议的副本存于乙方一份用于备案。 8.甲方应对乙方提供的候选人资料保密，并严格控制内部人员知情范围，如资料泄露给该候选人造成损失，甲方承担相应的赔偿责任。 9.甲方在被聘用人员上班之日或签订劳动合同之日，均被视为乙方成功推荐，甲方应于当日将所聘用人员职位、年薪等情况以书面形式通知乙方。 10.乙方推荐的人员在约定的上班之日未能到甲方上班，甲方在该情况发生后二日内书面通知乙方。 第二条、乙方的权利和义务 1.招聘职位要求严格执行委托标准，乙方不得擅自改变甲方招聘要求，确为特殊情况，须报甲方，在征得甲方同意的基础上再行推荐。 2.乙方有权考察甲方实际的经营状况，如发现与甲方自述不符，乙方有权停止为其服务。 3.乙方对所搜寻的人才负责基础面试、素质考核、履历调研等，确认其符合甲方用人标准后推荐给甲方进行面试，经甲方面试合格后安排试用（试用期三个月）。每个职位推荐1至3人，直到甲方满意为止。 4.乙方在不涉及个人隐私和第三方利益的前提下，尽可能向甲方提供高级人才人选的详尽资料，以备甲方在选聘人才时参考。 5.乙方应对甲方提供的任何商业、技术资料及员工信息进行保密。
人才猎头服务协议 甲方： 乙方：尚才荟猎头 甲方因业务发展需要，特委托乙方以猎头服务方式招聘 _____________ 职位人选，甲乙双方 本着“平等合作，互惠互利”的原则，经友好协商达成如下协议： 一、甲方权利与义务 1.甲方应向乙方提供详细、真实的公司背景资料，包括但不限于公司背景、经营状况、发展战略、企业文化等。 2.甲方须负责提供所需招聘岗位的详细资料，真实填写《企业职务需求表》（附件1），并对薪酬、福利、休假等与应聘者利益相关一切信息之真实性负责。 3.收到乙方提交的候选人报告资料后，甲方应在三个工作日内通知乙方是否要求候选人面 试。如果面试，应提前告知时间和地点。面试结束后，甲方应在三个工作日内告知乙方面试结 果。对不合适的候选人，应给出说明。如果不面试，应给出具体的不面试原因。 4.甲方应在面试后积极与乙方沟通、协调，三天内做出上一轮面试的决议（包括安排下一 轮复试或录用）。特殊情况外，每个候选人面试次数最多为四次。 5.甲方对候选人信息、候选人报告、候选人面试过程等一切可能有损于候选人正当利益或 本合同正当履行的信息，负有保密义务。 二、乙方权利与义务 1.乙方对甲方提供的企业、职位等信息负有保密义务。除为完成本合同所必须外，其余未 经甲方授权，不得公开。 2.乙方需在寻访服务期（自—年—月—日至—年—月—日）内利用各种渠道为甲 方寻访、招聘所需人才。乙方在了解候选人的情况，分析其背景资料，并在此基础上进行筛选 后，向甲方提交合适候选人的个人资料。如果在寻访期内，甲方未能对乙方提供的候选人给出明确答
复，乙方有权终止合作。 3.若出现以下任何一种情况，均视为乙方已完成猎头服务全部工作，乙方有权要求甲方按本合同所列的“全职服务费用”，按约定支付周期与方式支付费用。如逾期支付，乙方将保留诉诸法律解决的权利： （1）甲方面试乙方所推荐的候选人后录用其作为甲方员工以全职合作； （2）甲方面试乙方所推荐的候选人后因某种原因不能提供所聘用岗位，但录取该候选人为其他岗位职员。 4.若出现以下任何一种情况，均视为乙方已完成猎头服务全部工作，乙方有权要求甲方按本合同所列的“全职服务费用”，在五个工作日内支付全额猎头服务费。如逾期支付，乙方将保留诉诸法律解决的权利： （1）甲方将乙方所推荐的候选人转荐给其他雇主，并且候选人被他雇主其聘用的； （2）甲方面试乙方所推荐的候选人后表示拒绝聘用，却在面试后一年内聘用乙方曾推荐的人选。 5.若出现以下任何一种情况，均视为乙方已完成猎头服务全部工作，乙方有权要求甲方按本合同所列的“兼职服务费用”，在五个工作日内支付全额猎头服务费。如逾期支付，乙方将保留诉诸法律解决的权利： （1）甲方面试乙方所推荐的候选人后因某种原因不能聘用该候选人，而聘用该候选人做兼职或其他短期服务； （2）甲方面试乙方所推荐的候选人后并没有聘用，而采用咨询、承包等方式与候选人保持合作关系。 三、服务费标准及支付方式 1.全职服务费用标准： □人民币 ____ 万元（大写：________ ）（岗位年薪标准）X ____ % （年薪的百分比）□约定固定金额服务费用人民币 ______ 万元。 说明：支付方式按双方协商约定，二选一。 若甲方提出的岗位薪酬是某一区间的，岗位年薪标准以区间上限为标准。
服务协议 第一章总则 深圳市华信科技控股有限公司软件用户服务协议（以下简称本协议）双方为深圳市华信科技控股有限公司与使用深圳市华信科技控股有限公司软件的用户（以下简称“用户”）。本协议用于规范双方之间全部的法律关系及权利义务，具有合同效力。深圳市华信科技控股有限公司软件旨在利用移动网络所具有的便利性，为广大用户提供自助式的银行卡账户查询、公共事业缴费等服务。为明确双方的权利和义务，规范双方业务行为，甲方（用户）、乙方（深圳市华信科技控股有限公司）本着平等互利的原则，就使用深圳市华信科技控股有限公司软件的相关事宜达成本协议。 第二章定义 1. 深圳市华信科技控股有限公司软件 本协议中的深圳市华信科技控股有限公司软件指“华信完美账单”，为用户提供的手机客户端软件，为客户提供自助式的银行卡查询、收银、等服务。 2. 用户注册 用户注册是指用户在深圳市华信科技控股有限公司软件中填写相关信息并确认相关用户协议的过程。 3. 确认 确认本协议以及其他服务，是指点击相关页面上的“确认”或表示用户同意的按钮。 4. 通知 除本协议另有特别规定的，本协议中的“通知”系指以网站公告形式或电子邮件方式通知。 5. 服务协议的中断、终止 本协议所称的服务协议中断是指深圳市华信科技控股有限公司软件停止向用户提供全部或部分服务但不注销用户资格的情形。 本协议所称的服务协议终止是指深圳市华信科技控股有限公司软件注销用户资格、解除与用户服务协议的情形。 6. 交易 本协议中所称的“交易”是指用户在深圳市华信科技控股有限公司软件上进行的交易。 第三章用户资格 适用本协议注册的用户，应当具备的资格是： 必须是具备《中华人民共和国民法通则》规定的完全民事行为能力的自然人，或者是具有相应合法证照的实体组织。无民事行为能力人、限制民事行为能力人以及无合法证照的组织不得注册并使用深圳市华信科技控股有限公司软件。无民事行为能力人、限制民事行为能力人以及无合法证照的组织以不当方式注册为深圳市华信科技控股有限公司软件用户，其与深圳市华信科技控股有限公司之间的服务协议自始无效，乙方一经发现，有权注销用户。 无民事行为能力人或限制民事行为能力人以不当方式注册为深圳市华信科技控股有限公司软件用户且利用深圳市华信科技控股有限公司软件进行交易的，无民事行为能力人所进行的交易行为自始无效，限制民事行为能力人所进行的超出其民事能力范围的交易行为自始无效。
猎头服务合同模板通用版 Headhunting service contract template general version 甲方：___________________________ 乙方：___________________________ 签订日期：____ 年 ____ 月 ____ 日 合同编号：XX-2020-01
猎头服务合同模板通用版 前言：合同是民事主体之间设立、变更、终止民事法律关系的协议。依法成立的合同，受法律保护。本文档根据服务合同内容要求和特点展开说明，具有实践指导意义，便于学习和使用，本文档下载后内容可按需编辑修改及打印。 委托方：____________________（以下简称甲方）代理方：_________人才服务部（以下简称乙方）甲方因业务发展 需要，委托乙方搜索所需人才。经双方友好协商，达成以下合作条款： 第一条主旨本合同目的在于确定乙方代表甲方搜 索候选人时双方的权利及义务。 第二条搜索服务的基本方式 1．甲方需提供与所需搜索职位有关的详细资料给乙方， 其中主要包括：--工作环境，如公司背景、现状（规模、发展状况、目前和将来的投资等）；--职务名称、职位职责，个人发展前景、直属上司情况及汇报路线；--所须具备的条件（包括年龄、性别、教育程度、英文程度、专业经验以及个人品性）；--工作中所需要的独立性、工作氛围，流动性（出差需要）和上班地点等；--福利待遇（包括基本工资、奖金和津贴、工作时数、生活条件以及合同保险）。 2．乙方工作程序：--搜索可能达到该标准的候选人，
对这些候选人进行初次面试筛选并确证其资料的真实性； --将候选人资料提交甲方参考，包括对其经验的评价及对其性格，能力和潜质的看法；--为双方安排面谈时间、地点，并参与其中一些条款的协商，协助聘用合同的最终签署； --协助甲方督促被录用候选人与原工作单位按正常的程序办好离职手续。 3．乙方在合同签定之日起天内完成对甲方所需人才的寻访、测评及背景调查，将完整、真实的候选人资料提交甲方，并安排候选人面试。 4．甲方应在收到乙方提供的候选人资料后两日内，做出是否与己有人才资料重复的判断，否则视为乙方推荐；甲方应在收到乙方提供的候选人才资料后一周内，做出是否需要复试的判断，甲方应在候选取人面试后两周内将面试意见及审核结果反馈给乙方，在复试后四周内做出是否录用的判断。 第三条保证期 1．推荐的候选人被甲方录用，并最终到甲方工作，视为猎头服务成功。 2．雇员在保证期（三个月）内无论因任何原因离职，甲方应五天内向乙方提出书面报告，乙方将免费为甲方推荐另一合适候选人到职；乙方收到甲方书面报告后二个月内没有推荐合格人选到职，乙方应退还该项服务费的_______%。